首页期刊导航|中国电子科学研究院学报
期刊信息/Journal information
中国电子科学研究院学报
中国电子科学研究院学报

王积鹏

双月刊

1673-5692

dkyxuebao@126.com

010-68207307/08

100846

北京市海淀区万寿路27号电子大厦电科院学报1313房间

中国电子科学研究院学报/Journal Journal of China Academy of Electronics and Information Technology北大核心
查看更多>>为了适应电子信息技术的飞速发展以及我国综合电子信息系统建设和发展的迫切需要，提高我国综合电子信息系统领域整体的学术和技术水平，更好地为国内同行提供广阔的学术交流平台，同时更加适应国家和国防信息化建设对我院科研、技术发展和人才培养的要求，《中国电子科学研究院学报》在1990年创刊的《电子科学技术评论》期刊的基础上孕育而生。 《中国电子科学研究院学报》主管单位是中华人民共和国信息产业部，主办单位是中国电子科学研究院；其国际刊号为：ISSN1673—5692，国内刊号为：CN11—5401/TN；采用国际标准大16开本；逢双月20日出版，全国公开发行，定价为30元。主要发表综合电子信息系统领域内的技术和学术研究论文。聘请行业内资深专家，由工程院院士、长期从事综合电子信息系统研究的老专家以及近年来在此领域内卓有成就的中年专家组成编委会。全国人大常委会委员长吴邦国为《中国电子科学研究院学报》题写刊名。 立足于推动电子信息科学理论和前沿技术的交流与研究，注重理论与实践相结合，要以“创新”为魂，以“战略化、综合化、系统化”为纲，倡导原始创新、集成创新与引进消化吸收再创新，不断发现人才、培养人才、锻炼人才，着力营造电子信息科学技术百花齐放、百家争鸣的文化环境，力争成为国内一流的核心学术期刊。
正式出版
收录年代

    基于司法裁判文本的法律要素抽取方法

    董玉红卢鹏陈静郭新刚...
    552-558,569页
    查看更多>>摘要：随着全国法院信息化建设的不断发展,积累了大规模的司法裁判文书数据,如何从法律文书数据中抽取出准确的法律要素是保障法院信息化建设的重要前提.本研究主要基于盗窃罪案件法律文书数据,采用深度学习方法构建了BERT+BiLSTM+CRF融合语言模型以解决法律文书的关键要素抽取问题.利用BERT语言模型解决文本特征表示中的一词多义问题,使用BiLSTM神经网络充分学习上下文信息的特点,采用CRF机器学习方法提取全局最优标注序列,并搭建可视化界面提供案件要素提取服务.结果表明,从整体来看,通过数据增强后所构建的BERT+BiLSTM+CRF融合语言模型面向盗窃罪案件的综合评价指标Fl_score值达到了90.6％;从单个要素的抽取结果来看,该模型面向盗窃罪案件的十个法律要素的综合评价指标的Fl_score值均在81.8％以上;从最佳预测性能所分布的法律要素占比来看,该模型达到最优预测性能的法律要素量达到了50％,明显优于其他模型.这说明本研究所构建的BERT+BiLSTM+CRF融合语言模型可以有效解决法律文书的关键要素抽取问题,可为全国法院信息化建设提供一定的理论依据和有效技术支撑.

    法律要素抽取裁判文本BERTBiLSTMCRF

      原文链接:
    • 万方数据
    • 维普

    基于改进YOLOv8n的钢表面缺陷检测模型

    王梦婷禹胜林
    559-569页
    查看更多>>摘要：针对钢表面缺陷尺寸微小且与背景重合度高而导致的传统缺陷检测算法存在漏检和错检的问题,本文提出了一种基于YOLOv8n改进的钢表面缺陷检测算法.首先,使用全维动态卷积ODConv构建C2f-ODConv模块,在多维度提取钢表面的缺陷特征,增强网络全域特征提取的能力,同时引入基于NWD(Normalized Wasserstein Distance)度量方式的损失函数,提高网络对钢表面缺陷的定位准确度;其次,通过减少网络头部卷积次数,提出新的检测头Light-Detect减少模型的资源占有率,提高模型检测的实时性;最后,在SPPF后加入CBAM注意力机制从而在不同图层上提高特征之间的耦合性.实验结果表明,文中所提算法YOLOv8n-Eff在钢表面缺陷数据集NEU-DET上的 mAP(mean Average Precision)值达到 78.6％,与 YOLOv8n 算法相比较,mAP 提高了3.2％,计算量减少了2.4 G,并且裂纹目标缺陷的AP值提升了10.8％.结果验证了YOLOv8n-Eff算法可以提升钢表面目标缺陷的平均检测精度,降低漏检率并减少模型计算量,有效满足钢表面缺陷检测的需求.

    钢表面缺陷检测YOLOv8n注意力机制小目标检测动态卷积损失函数

      原文链接:
    • 万方数据
    • 维普

    面向数据生产的跨计算引擎数据调度技术研究

    雷鸣李丹
    570-577页
    查看更多>>摘要：随着数据处理任务的日渐复杂,传统的数据计算引擎面临着存储管理和计算资源调度的挑战.本文深入探讨了如何提升跨计算引擎数据资源调度的性能和降低其复杂性.研究聚焦于数据生产任务,通过结合实际应用场景,重点研究了数据资源在不同计算引擎间的存储和调度优化技术,提出了超级调度器设计、多维度细粒度资源分配以及基于任务优先级的资源调度等技术方案.实现不同计算任务在多个计算引擎间的高效协作,从而最大化计算资源的利用率和处理速度,为解决大规模数据生产中的资源调度问题提供了有效的技术方案.

    数据调度跨计算引擎数据生产任务调度器

      原文链接:
    • 万方数据
    • 维普

    《中国电子科学研究院学报》投稿须知

    578页
      原文链接:
    • 万方数据
    • 维普